Analiza komputerowa wskazała na odrębne, ale możliwe do ponownego wykorzystania podprzestrzenie aktywności neuronalnej związane z przetwarzaniem bodźców i podtrzymywaniem informacji w pamięci.

W korze przedczołowej klastry, które podczas pierwszego okresu oczekiwania utrzymywały pamięć o tonie, mogły później zostać wykorzystane do podtrzymywania planu działania. Oznacza to, że ta sama organizacja neuronalna mogła wykonywać podobne obliczenie na innym rodzaju informacji.

W korze ciemieniowej sytuacja wyglądała inaczej. Tamtejsze klastry były bardziej wyspecjalizowane: częściej uczestniczyły w przetwarzaniu konkretnego typu informacji i nie przełączały się między funkcjami w tak elastyczny sposób. Ten kontrast między ponownym wykorzystaniem obwodów przedczołowych a większą specjalizacją obwodów ciemieniowych może wskazywać na podział zadań między tymi obszarami.

Podobny mechanizm pojawił się w sztucznej sieci

Naukowcy wytrenowali także rekurencyjne sieci neuronowe — modele, w których informacje mogą krążyć między połączonymi jednostkami — na zadaniach o podobnych wymaganiach. Sieci wykształciły odpowiadającą obserwacjom z mózgów myszy modułową organizację, w której określone klastry można było wykorzystywać ponownie w różnych obliczeniach.

Wynik ten sugeruje, że taka architektura może być użytecznym rozwiązaniem obliczeniowym, a nie tylko przypadkową cechą aktywności zarejestrowanej u badanych zwierząt. Nie oznacza jednak, że sztuczna sieć działa tak samo jak ludzki mózg.

„Klocki poznawcze” a uczenie się

Koncepcja ta wspiera ideę poznania kompozycyjnego. Zgodnie z nią z ograniczonego zestawu wielokrotnego użytku elementów można budować wiele różnych zachowań, łącząc je i rekonfigurując zależnie od sytuacji.

Taki mechanizm mógłby zwiększać efektywność uczenia się. Zamiast opanowywać każde nowe zadanie całkowicie od zera, mózg może wykorzystywać wcześniej wyuczone operacje i zmieniać jedynie ich połączenie albo rodzaj informacji, którą przenoszą.

Może to również wyjaśniać, w jaki sposób organizm szybko przełącza się między zadaniami, regułami, wspomnieniami i planami. Dla twórców sztucznej inteligencji jest to potencjalnie ważna wskazówka: wiele systemów AI nadal wymaga znacznego dodatkowego treningu, gdy ma nauczyć się powiązanego zadania bez utraty wcześniejszych umiejętności.

Czego badanie jeszcze nie dowodzi?

Wyniki nie stanowią kompletnego wyjaśnienia ludzkiego, elastycznego myślenia. Dowody z eksperymentu na myszach mają charakter korelacyjny: pokazują wzorce aktywności zgodne z ponownym wykorzystaniem klastrów, ale nie dowodzą, że konkretny klaster przyczynowo odpowiada za dane zachowanie.

Ponadto jedno ze źródeł opisuje pracę jako preprint, czyli wersję badania, która nie została jeszcze zrecenzowana przez czasopismo naukowe.

Jak naukowcy chcą sprawdzić przyczynowość?

Kolejnym krokiem mają być eksperymenty, w których badacze wybiórczo zakłócą lub zmodyfikują działanie zidentyfikowanych klastrów kory przedczołowej w określonych momentach wykonywania zadania. Pozwoli to sprawdzić, czy udział danego klastra rzeczywiście zmienia się z podtrzymywania pamięci sensorycznej na podtrzymywanie planu działania.

Kluczowa prognoza zakłada, że zakłócenie tego samego klastra powinno zaburzać różne funkcje zależnie od momentu, w którym dojdzie do ingerencji. Dostępne materiały nie precyzują jednak metody ani harmonogramu tych eksperymentów.

Kwestia finansowania

W dostarczonych źródłach nie ma wystarczających informacji, aby ustalić finansowanie tego konkretnego badania MIT–Princeton. Wzmianka o finansowaniu przez amerykańskie Biuro Dyrektora Wywiadu Narodowego oraz National Institutes of Health dotyczy odrębnego projektu mapowania połączeń w mózgu myszy i nie powinna być przypisywana omawianej pracy.

Analiza komputerowa wskazała na odrębne, ale możliwe do ponownego wykorzystania podprzestrzenie aktywności neuronalnej związane z przetwarzaniem bodźców i podtrzymywaniem informacji w pamięci.

W korze przedczołowej klastry, które podczas pierwszego okresu oczekiwania utrzymywały pamięć o tonie, mogły później zostać wykorzystane do podtrzymywania planu działania. Oznacza to, że ta sama organizacja neuronalna mogła wykonywać podobne obliczenie na innym rodzaju informacji.

W korze ciemieniowej sytuacja wyglądała inaczej. Tamtejsze klastry były bardziej wyspecjalizowane: częściej uczestniczyły w przetwarzaniu konkretnego typu informacji i nie przełączały się między funkcjami w tak elastyczny sposób. Ten kontrast między ponownym wykorzystaniem obwodów przedczołowych a większą specjalizacją obwodów ciemieniowych może wskazywać na podział zadań między tymi obszarami.

Podobny mechanizm pojawił się w sztucznej sieci

Naukowcy wytrenowali także rekurencyjne sieci neuronowe — modele, w których informacje mogą krążyć między połączonymi jednostkami — na zadaniach o podobnych wymaganiach. Sieci wykształciły odpowiadającą obserwacjom z mózgów myszy modułową organizację, w której określone klastry można było wykorzystywać ponownie w różnych obliczeniach.

Wynik ten sugeruje, że taka architektura może być użytecznym rozwiązaniem obliczeniowym, a nie tylko przypadkową cechą aktywności zarejestrowanej u badanych zwierząt. Nie oznacza jednak, że sztuczna sieć działa tak samo jak ludzki mózg.

„Klocki poznawcze” a uczenie się

Koncepcja ta wspiera ideę poznania kompozycyjnego. Zgodnie z nią z ograniczonego zestawu wielokrotnego użytku elementów można budować wiele różnych zachowań, łącząc je i rekonfigurując zależnie od sytuacji.

Taki mechanizm mógłby zwiększać efektywność uczenia się. Zamiast opanowywać każde nowe zadanie całkowicie od zera, mózg może wykorzystywać wcześniej wyuczone operacje i zmieniać jedynie ich połączenie albo rodzaj informacji, którą przenoszą.

Może to również wyjaśniać, w jaki sposób organizm szybko przełącza się między zadaniami, regułami, wspomnieniami i planami. Dla twórców sztucznej inteligencji jest to potencjalnie ważna wskazówka: wiele systemów AI nadal wymaga znacznego dodatkowego treningu, gdy ma nauczyć się powiązanego zadania bez utraty wcześniejszych umiejętności.

Czego badanie jeszcze nie dowodzi?

Wyniki nie stanowią kompletnego wyjaśnienia ludzkiego, elastycznego myślenia. Dowody z eksperymentu na myszach mają charakter korelacyjny: pokazują wzorce aktywności zgodne z ponownym wykorzystaniem klastrów, ale nie dowodzą, że konkretny klaster przyczynowo odpowiada za dane zachowanie.

Ponadto jedno ze źródeł opisuje pracę jako preprint, czyli wersję badania, która nie została jeszcze zrecenzowana przez czasopismo naukowe.

Jak naukowcy chcą sprawdzić przyczynowość?

Kolejnym krokiem mają być eksperymenty, w których badacze wybiórczo zakłócą lub zmodyfikują działanie zidentyfikowanych klastrów kory przedczołowej w określonych momentach wykonywania zadania. Pozwoli to sprawdzić, czy udział danego klastra rzeczywiście zmienia się z podtrzymywania pamięci sensorycznej na podtrzymywanie planu działania.

Kluczowa prognoza zakłada, że zakłócenie tego samego klastra powinno zaburzać różne funkcje zależnie od momentu, w którym dojdzie do ingerencji. Dostępne materiały nie precyzują jednak metody ani harmonogramu tych eksperymentów.

Kwestia finansowania

W dostarczonych źródłach nie ma wystarczających informacji, aby ustalić finansowanie tego konkretnego badania MIT–Princeton. Wzmianka o finansowaniu przez amerykańskie Biuro Dyrektora Wywiadu Narodowego oraz National Institutes of Health dotyczy odrębnego projektu mapowania połączeń w mózgu myszy i nie powinna być przypisywana omawianej pracy.